2022 年 7 月 20 日——科學(xué)家們開發(fā)了一種新的機器學(xué)習平臺，使控制粒子束和激光的算法比以往任何時候都更加智能。他們的工作可能有助于開發(fā)新的和改進的粒子加速器，這將有助于科學(xué)家解開亞原子世界的秘密。

工作人員科學(xué)家 Daniele Filippetto 研究高重復(fù)率電子散射裝置。圖片來源：伯克利實驗室的 Thor Swift。

能源部勞倫斯伯克利國家實驗室(伯克利實驗室)的 Daniele Filippetto 及其同事開發(fā)了該裝置，以自動補償加速器光束和其他組件(如磁鐵)的實時變化。他們的機器學(xué)習方法在理解失敗的原因以及使用物理學(xué)制定響應(yīng)方面也優(yōu)于當代光束控制系統(tǒng)。一篇描述這項研究的論文于去年年底發(fā)表在《自然科學(xué)報告》上。

“我們正在嘗試向芯片教授物理，同時為它提供操作機器的資深科學(xué)家的智慧和經(jīng)驗，”加速器技術(shù)與應(yīng)用物理部 (ATAP) 的科學(xué)家 Filippetto 說。伯克利實驗室和伯克利加速器控制和儀表計劃 (BACI) 計劃的副主任。

他們的研究也有可能影響粒子加速器的多個應(yīng)用領(lǐng)域，從工業(yè)和醫(yī)療環(huán)境中的自主操作到科學(xué)應(yīng)用中提高精度，例如線性對撞機和超快自由電子激光器。

與洛斯阿拉莫斯國家實驗室和加州大學(xué)洛杉磯分校的研究人員合作，在伯克利實驗室的高重復(fù)率電子散射裝置 (HiRES) 加速器上展示了這項新技術(shù)。HiRES 光束線的主要應(yīng)用是對新型量子材料進行結(jié)構(gòu)動力學(xué)實驗。該儀器為眾多科學(xué)發(fā)現(xiàn)做出了貢獻，例如對二碲化鉭的光學(xué)熔化進行了首次超快電子衍射研究，這種材料具有有趣且可能有用的特性。現(xiàn)在，這種新型機器顯示出它在開發(fā)控制各種加速器的新方法方面的有用性。

粒子加速器產(chǎn)生并加速原子和亞原子大小的帶電粒子束，例如電子、質(zhì)子和離子。隨著機器變得更加強大和復(fù)雜，粒子或激光束的控制和優(yōu)化對于滿足科學(xué)、醫(yī)療和工業(yè)應(yīng)用的需求變得更加重要。

BACI 項目的 Filippetto 及其同事正在領(lǐng)導(dǎo)機器學(xué)習工具的全球開發(fā)。這些工具提供了一個開發(fā)智能算法的平臺，這些算法可以快速準確地對不可預(yù)見的干擾做出反應(yīng)，從錯誤中吸取教訓(xùn)，并采用最佳策略來達到或保持目標光束設(shè)定點。

他們正在開發(fā)的工具具有額外的優(yōu)勢，即提供粒子加速器系統(tǒng)整體行為的準確模型，無論復(fù)雜程度如何。控制器可以使用這些新的和改進的功能來做出更有效的實時決策。

Filippetto 目前的工作重點是利用機器學(xué)習工具的能力和預(yù)測來提高粒子束的整體穩(wěn)定性。

“如果你能以超過其波動的精度預(yù)測光束特性，那么你就可以使用預(yù)測來提高加速器的性能，”他說。“關(guān)鍵光束參數(shù)的實時知識將對實驗的最終準確性產(chǎn)生巨大影響。”

起初，這種方法似乎不太可能產(chǎn)生準確的結(jié)果，類似于股票市場行為預(yù)測的挑戰(zhàn)，但該小組的早期結(jié)果是有希望的。事實上，所使用的算法基于神經(jīng)網(wǎng)絡(luò)模型，與典型的統(tǒng)計分析相比，預(yù)測光束參數(shù)的精度提高了十倍。在相關(guān)工作中，最近的Halbach 獎授予了 ATAP 加速器物理組的科學(xué)家 Simon Leemann，他是開發(fā)機器學(xué)習控制方法的合作者，這些方法通過穩(wěn)定實驗中的高度相對論電子束來提高先進光源的性能源點大約提高了一個數(shù)量級，前所未有的水平。

早期職業(yè)研究科學(xué)家 Dan Wang 研究壓電慣性電機控制器以驅(qū)動壓電鏡，用于相干激光組合系統(tǒng)中的激光對準。圖片來源：伯克利實驗室的 Thor Swift。

在相關(guān)研究中，BACI 小組的研究科學(xué)家 Dan Wang 三年前在伯克利實驗室擔任博士后研究員，她正在使用機器學(xué)習工具來推進復(fù)雜激光系統(tǒng)的控制技術(shù)。在 Wang 的案例中，最終目標是能夠?qū)?shù)百個超強激光脈沖精確地組合成一根頭發(fā)大小的強大且連貫的光束。在相干光束中，每個輸入激光的相位必須控制在幾度誤差內(nèi)，這是非常具有挑戰(zhàn)性的。激光能量可以以不同的方式組合，但在所有情況下，必須穩(wěn)定光束陣列的相干性以抵抗環(huán)境擾動，例如熱漂移、空氣波動，甚至是支撐臺的移動。

為此，Wang 和她的同事開發(fā)了一種神經(jīng)網(wǎng)絡(luò)模型，該模型在校正組合激光陣列中的系統(tǒng)錯誤方面比其他傳統(tǒng)方法快 10 倍。他們開發(fā)的模型還能夠教會系統(tǒng)識別激光器中的相位誤差和參數(shù)變化，并在它們發(fā)生時自動校正擾動。

研究人員的方法適用于激光的模擬和實驗，實現(xiàn)了前所未有的控制性能。研究的下一步是在諸如現(xiàn)場可編程門陣列 (FPGA) 等邊緣計算機上實現(xiàn)機器學(xué)習模型，以實現(xiàn)更快的響應(yīng)，并展示這種基于機器學(xué)習的控制方法在更復(fù)雜的系統(tǒng)中的泛化性。更多變量需要考慮。

“我來自加速器背景，但在我的博士后期間，我的同事真的幫助我接受了機器學(xué)習的力量，”王說。“我學(xué)到的是，機器學(xué)習是解決許多不同問題的強大工具，但你總是必須用你的物理學(xué)來指導(dǎo)你如何使用和應(yīng)用它。”

“為了滿足新科學(xué)的需求，這項工作體現(xiàn)了主動反饋和機器學(xué)習方法，它們是下一代加速器和激光性能的關(guān)鍵推動力，為新的光子源和未來的粒子對撞機提供動力，”加速器主任卡梅隆·格德斯說技術(shù)與應(yīng)用物理部。

這項工作得到了美國能源部科學(xué)辦公室、基礎(chǔ)能源科學(xué)辦公室和科學(xué)高能物理辦公室以及實驗室指導(dǎo)的研發(fā)計劃的支持。